Mumble 开源语音聊天软件下载及安装教程
1. 项目介绍
Mumble 是一款开源的低延迟、高质量语音聊天软件,适用于游戏玩家、团队协作等场景。它基于 Qt 和 Opus 编写,支持 Windows、Linux、FreeBSD、OpenBSD 和 macOS 平台。Mumble 包含两个主要模块:客户端(mumble)和服务器(mumble-server,也称为 murmur)。客户端用于语音通信,服务器用于管理语音聊天室。
2. 项目下载位置
Mumble 项目的源代码托管在 GitHub 上,可以通过以下步骤进行下载:
-
打开终端或命令提示符。
-
使用
git clone命令下载项目:git clone https://github.com/mumble-voip/mumble.git这将把 Mumble 项目的所有文件下载到当前目录下的
mumble文件夹中。
3. 项目安装环境配置
在安装 Mumble 之前,需要确保系统满足以下环境配置要求:
3.1 系统要求
- 操作系统:Windows、Linux、macOS、FreeBSD、OpenBSD
- 依赖库:Qt 5.x、Opus、Boost、OpenSSL、SQLite
3.2 安装依赖库
3.2.1 Windows
在 Windows 上,可以使用 Chocolatey 包管理器安装依赖库:
choco install cmake qt5 opus boost openssl sqlite
3.2.2 Linux
在 Linux 上,可以使用包管理器安装依赖库。例如,在 Ubuntu 上:
sudo apt-get install build-essential cmake qt5-default libopus-dev libboost-all-dev libssl-dev libsqlite3-dev
3.2.3 macOS
在 macOS 上,可以使用 Homebrew 安装依赖库:
brew install cmake qt opus boost openssl sqlite
3.3 环境配置示例
以下是 Ubuntu 系统上安装依赖库的示例:
sudo apt-get update
sudo apt-get install build-essential cmake qt5-default libopus-dev libboost-all-dev libssl-dev libsqlite3-dev

4. 项目安装方式
4.1 编译安装
-
进入下载的 Mumble 项目目录:
cd mumble -
创建构建目录并进入:
mkdir build cd build -
使用 CMake 配置项目:
cmake .. -
编译项目:
make -
安装项目(可选):
sudo make install
4.2 二进制安装
对于不熟悉编译的用户,可以从 Mumble 的官方网站下载预编译的二进制文件进行安装。
4.2.1 Windows
- 下载 Mumble 的 Windows 安装包。
- 双击安装包并按照提示完成安装。
4.2.2 Linux
-
下载 Mumble 的 Linux 安装包。
-
使用包管理器安装:
sudo dpkg -i mumble.deb
4.2.3 macOS
- 下载 Mumble 的 macOS 安装包。
- 双击安装包并按照提示完成安装。
5. 项目处理脚本
Mumble 项目提供了一些脚本来简化安装和配置过程。以下是一些常用的脚本:
5.1 启动服务器
在 Linux 或 macOS 上,可以使用以下命令启动 Mumble 服务器:
./mumble-server
5.2 设置超级用户密码
在服务器启动后,可以使用以下命令设置超级用户密码:
./mumble-server -supw yourpassword
5.3 启动客户端
在 Linux 或 macOS 上,可以使用以下命令启动 Mumble 客户端:
./mumble
通过以上步骤,您可以成功下载、安装并配置 Mumble 开源语音聊天软件。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00